基于分?jǐn)?shù)階微分的視網(wǎng)膜血管圖像邊緣檢測(cè).pdf

1、分?jǐn)?shù)階微積分是一個(gè)歷史悠久的數(shù)學(xué)問(wèn)題，其本質(zhì)是將微積分運(yùn)算的運(yùn)算階次由整數(shù)推廣到分?jǐn)?shù)（復(fù)數(shù)）。近年來(lái)，由于數(shù)字計(jì)算技術(shù)的飛速發(fā)展，為分?jǐn)?shù)階微積分這一概念由理論研究向工程實(shí)踐轉(zhuǎn)化提供了客觀條件。目前，分?jǐn)?shù)階微積分已經(jīng)被廣泛應(yīng)用于多個(gè)工程實(shí)踐領(lǐng)域，并由于其獨(dú)特的優(yōu)越性正在被越來(lái)越多的研究者所關(guān)注。邊緣是數(shù)字圖像中信息含量最為豐富的區(qū)域，其直接表達(dá)了數(shù)字圖像的基本信息。對(duì)視網(wǎng)膜血管圖像進(jìn)行邊緣檢測(cè)，有利于預(yù)測(cè)疾病的發(fā)生和提高診斷的準(zhǔn)確率，并在

2、身份鑒別等安保領(lǐng)域有重要作用。本文根據(jù)分?jǐn)?shù)階微積分的基本理論，在前人研究的基礎(chǔ)上，結(jié)合向量合成定理提出了一種改進(jìn)的基于分?jǐn)?shù)階微分的醫(yī)學(xué)圖像邊緣檢測(cè)方法。實(shí)驗(yàn)結(jié)果表明:本文算法不僅有效提取了視網(wǎng)膜血管圖像的邊緣輪廓，而且對(duì)圖像中紋理細(xì)節(jié)信息豐富的區(qū)域也進(jìn)行了非線性的保留。整體效果明顯優(yōu)于傳統(tǒng)邊緣檢測(cè)算法。
　　 本研究主要內(nèi)容包括：⑴詳細(xì)介紹和分析了分?jǐn)?shù)階微積分的基本理論，并將分?jǐn)?shù)階微積分與整數(shù)階微積分進(jìn)行了比較；⑵介紹了數(shù)字圖像

3、邊緣檢測(cè)的基本原理和現(xiàn)有的邊緣檢測(cè)方法，并對(duì)幾種傳統(tǒng)的邊緣檢測(cè)算子進(jìn)行了分析；⑶通過(guò)分析分?jǐn)?shù)階微分作用于信號(hào)的特性，從理論上得出了分?jǐn)?shù)階微分相較于整數(shù)階微分更適用于處理視網(wǎng)膜圖像，并在前人研究的基礎(chǔ)上，結(jié)合向量合成定理提出了一種改進(jìn)的基于分?jǐn)?shù)階微分的醫(yī)學(xué)圖像邊緣檢測(cè)方法；(4)通過(guò)Matlab仿真實(shí)驗(yàn)，證明了本文的基于分?jǐn)?shù)階微分的邊緣檢測(cè)算法相較于傳統(tǒng)的邊緣檢測(cè)算法能更有效地提取視網(wǎng)膜圖像的邊緣信息。
　　 本研究創(chuàng)新點(diǎn)主要包括